手把手带你调参Yolo v5（一）
YOLO系列模型在目标检测领域有着十分重要的地位，随着版本不停的迭代，模型的性能在不断地提升，源码提供的功能也越来越多
BertTokenizer 使用方法
BertTokenizer 使用方法，BertTokenizer 函数详解，tokenizer使用方法
图卷积神经网络GCN、GAT的原理及Pytorch实现
ICLR作为机器学习方向的顶会，最近看了ICLR2023 Openreview的论文投稿分析，通过2022和2023年论文关键词、标题高频词等信息的可视化比较。根据前十的关键词频率排名频率来看，基本上和去年保持一致，大火的领域依旧大火。但是可以明显看到前五名关键词的频率差距逐渐减少。有意思的是这一关
在GPU上运行pytorch程序（指定单/多显卡)
在GPU上运行pytorch程序（指定单/多显卡)
毕业设计-基于深度学习的交通标识识别-opencv
毕业设计-基于深度学习的交通标识识别-opencv：随着汽车的普及率的提高，公路路况也变得复杂。因疏忽交通标识和错判 交通信号等因素造成了社会上交通事故许多不可逆的重大的人身伤害和严重财 产损失，交通标识在道路秩序和安全中起着重要作用。交通标识的作用包含丰 富的道路信息，可以及时将重要的交通信息传达
【机器学习之模型融合】Stacking堆叠法
Stacking堆叠法原理透析与应用
YoloV5+DAMOYOLO:将DAMOYOLO中的GFPN结构与Yolov5结合
前段时间写了一篇damoYolo的训练教程，同时也对自己的数据集进行了训练，虽然效果确实不是很好，但是damoyolo的一些思想和网络结构啥的还是可以借鉴使用的，此次将damoyolo的RepGFPN结构掏出来放到v5的NECK中，测试一下对本人的数据集(小目标)效果比v5要好，大概提升2个点左右。
【安装教程】Windows10/11安装detectron2教程
由于Facebook的detectron2没有对windows平台做官方支持，所以在安装的时候发生了很多问题，于是有了这篇问题记录的贴子。截至2022.11.28GitHub上detectron2的版本为0.6。如果文章对你有帮助请给我一个小小的赞。
YOLOv5、YOLOX、YOLOv6的分析与比较
简单分析了近些年YOLO系列的进步和发展方向
Pandas 2.0 简单介绍和速度评测
最近 Pandas 2.0 的RC版已经最近发布了。这个版本主要包括bug修复、性能改进和增加Apache Arrow后端。当涉及到使用DF时，Arrow比Numpy提供了更多的优势。
YOLOv5输出端损失函数
YOLOv5输出端
代理模型介绍大全
代理模型通常是指在优化设计中可替代比较复杂和费时的数值分析的近似数学模型，也可称为响应面模型或者是近似模型，比如飞行器的优化设计，就是典型的复杂和费时。此外在做优化设计时，难免会碰见一些难以用直观的函数表达式去表达目标函数，这时也可用代理模型来替代目标函数。使用代理模型可以极大的提高优化设计效率以及
yolov5 训练结果解析
yolov5 训练结果解析在每次训练之后，都会在runs-train文件夹下出现一下文件，如下图：一：weights包含best.pt（做detect时用这个）和last.pt（最后一次训练模型）二：confusion1：混淆矩阵：①：混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确
图像质量评价指标metrics：PSNR 、SSIM、LPIPS
是基于对应像素点间的误差，即基于误差敏感的图像质量评价，由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个 区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。必须满足两张图像的size要完全
使用YOLOv5训练自己的数据集
使用YOLOv5训练自己的数据集
脑电EEG代码开源分享 【4.特征提取-时域篇】
特征提取作为承上启下的重要阶段，承上，紧接预处理结果和可视化分析，对庞大的原始数据进行凝练，用少量维度指标表征整体数据特点；启下，这些代表性、凝练性的特征指标量化了数据性能，为后续的认知解码、状态监测、神经调控等现实需求提供参考。本文特征主要为手动设置的经验特征，大多源于脑科学及认知科学的机制结论，
（pytorch）LSTM自编码器在西储数据的异常检测
别睡啦，起来搞学习！学pytorch！
基于Pytorch实现的声音分类
前言本章我们来介绍如何使用Pytorch训练一个区分不同音频的分类模型，例如你有这样一个需求，需要根据不同的鸟叫声识别是什么种类的鸟，这时你就可以使用这个方法来实现你的需求了。源码地址：https://github.com/yeyupiaoling/AudioClassification-Pytor
最新CUDA环境配置教程(ubuntu 20.04 + cuda 11.7 + cuDNN 8.4)
ubuntu 20.04 CUDA 11.7 cuDNN 8.4 环境配置教程 ubuntu 20.04 CUDA 11.7 cuDNN 8.4 环境配置教程1.查看是否有合适的GPU2.查看系统版本,我用的是ubuntu 20.04:3.验证系统GCC版本:4.通过下面的地址下载安装包:这里奉劝各
